Cześć! Kolejny raz zasiadam przed mikrofonem z moim bratem, Kubą Wołkiem, który jest Revenue Marketing Managerem w Drukarni Chroma. Rozpracowywane dzisiaj hasło to machine learning, a po polsku: uczenie maszynowe. Co oznacza?

To zautomatyzowane uczenie się maszyny; dokłada się do niej komponenty, a maszyna sama tworzy to, do czego została stworzona. W przypadku ekosystemów Google Ads i Facebook Ads komponentami mogą być dane, które generuje nasza kampania czy strona www. Wszystkie te informacje “przetrawione” w odpowiedni sposób sprawiają, że system sam może podejmować odpowiednie decyzje. Jakie są korzyści z tego płynące?

Po pierwsze już z perspektywy 8–9 lat w branży widać ogromną różnicę, np. w Google Ads reklama składała się z nagłówka i dwóch linijek znaków. Firmy “licytowały” pierwszeństwo wyświetlania reklam – ten mechanizm można porównać do żmudnego wykręcania numeru na starodawnym telefonie z tarczą numerową. Obecnie już na etapie wybierania słów kluczowych do kampanii możemy skorzystać z machine learning, za pomocą którego system podpowiada nam, co wpisać.

Jak wygląda zatem kwestia finansowania takich działań – czy maszyna jest tańsza od człowieka? Plusem niewątpliwie jest to, że obecnie możemy tworzyć masę reklam, a wręcz umożliwić systemowi automatyczne ich tworzenie. Optymalizacja reklam zachodzi samoistnie – dawniej wszystko (nagłówki, opisy) musiał kontrolować człowiek. Wiąże się to ze sporą oszczędnością – nie płacimy grafikowi czy osobie, która czuwa nad poprawnością treści i sprawdza efektywność każdej z reklam. Minusem machine learning w kampaniach Google Ads jest to, że w przypadku ich planowania i organizacji czasami widać brak namysłu. Każdy mały przedsiębiorca może stworzyć reklamę za pomocą Google Ads – ale jeżeli nie zna się na rzeczy, korzysta z podpowiedzi, które nie zawsze mogą być skuteczne. Wystarczy przypadek, niewielki błąd, aby źle rozłożyć budżet. Konfiguracja zapewniająca sensowne kliknięcie jest niezbędna, a nad nią mimo wszystko powinien zastanowić się człowiek. Machine learning w tym przypadku jest wciąż tylko narzędziem, które trzeba umiejętnie wykorzystać.

Jaką mamy pewność, że funkcjonalności w Google Ads i Facebook Ads działają jednak na naszą korzyść, a nie na rękę koncernom? Rozwój tych platform zapewnia ich atrakcyjność, są też darmowe (w grę wchodzi tylko koszt samych reklam) – ale dzięki temu są również najczęściej wybierane, dlatego giganci nie tracą. Poza tym najcenniejszą walutą są tutaj dane. Wobec tego, według mojego rozmówcy, omawiane narzędzia będą rozwijały się w kierunku automatyzacji, dzięki czemu nawet mały biznesmen będzie mógł skonfigurować swoją kampanię reklamową, np. w Facebook Ads. Kolejna sfera rozwoju dotyczy grafiki – mniej potrzebna będzie praca grafika komputerowego, ponieważ narzędzie samo będzie w stanie wygenerować baner, np. na podstawie darmowych czy płatnych stocków.

Jakie jeszcze nowości, ciekawostki i zagrożenia czekają na nas w związku z machine learning? Zapraszam do posłuchania naszej rozmowy przeplatanej wieloma anegdotami – do usłyszenia!

Z tego odcinka dowiecie się:
Jakie są korzyści płynące z machine learning?
Jak działa uczenie maszynowe?
Jakiego typu decyzje system może podejmować za pomocą machine learning?
Jakie są przykłady platform i narzędzi wykorzystujących machine learning?
Jak wygląda kwestia finansowania uczenia maszynowego?
Czy machine learning jest w stanie zastąpić człowieka?
Czego brakuje systemowi, a co ma człowiek?
Czy każdy może stworzyć własną kampanię w Google Ads i Facebook Ads?
Jakie platformy wchodzą w skład Google?
Jaką mamy pewność, że funkcjonalności w Google Ads i Facebook Ads działają na naszą korzyść?
Jakie są źródła danych reklamowych na Facebooku i w Google?
Co to są reklamy displayowe?
Co oznacza skrót IOT?
Jakie istnieją sposoby na zliczanie konwersji w internecie?
W jakim kierunku będzie rozwijało się Google Ads i Facebook Ads?

Dołącz do grupy networkingowej podcastu Marketing ludzkim głosem:
https://www.facebook.com/groups/MarketingLudzkimGlosem/